Copertina

Video Creation by Demonstration

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sun, Yihong, Zhou, Hao, Yuan, Liangzhe, Sun, Jennifer J., Li, Yandong, Jia, Xuhui, Adam, Hartwig, Hariharan, Bharath, Zhao, Long, Liu, Ting
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

MOD-UV: Learning Mobile Object Detectors from Unlabeled Videos
di: Sun, Yihong, et al.
Pubblicazione: (2024)

Live Interactive Training for Video Segmentation
di: Yang, Xinyu, et al.
Pubblicazione: (2026)

Tracking and Understanding Object Transformations
di: Sun, Yihong, et al.
Pubblicazione: (2025)

Distilling Vision-Language Models on Millions of Videos
di: Zhao, Yue, et al.
Pubblicazione: (2024)

VideoGLUE: Video General Understanding Evaluation of Foundation Models
di: Yuan, Liangzhe, et al.
Pubblicazione: (2023)

Epsilon-VAE: Denoising as Visual Decoding
di: Zhao, Long, et al.
Pubblicazione: (2024)

VideoPrism: A Foundational Visual Encoder for Video Understanding
di: Zhao, Long, et al.
Pubblicazione: (2024)

Structured Video-Language Modeling with Temporal Grouping and Spatial Grounding
di: Xiong, Yuanhao, et al.
Pubblicazione: (2023)

Learning Feature Descriptors using Camera Pose Supervision
di: Wang, Qianqian, et al.
Pubblicazione: (2020)

MovieRecapsQA: A Multimodal Open-Ended Video Question-Answering Benchmark
di: Shaar, Shaden, et al.
Pubblicazione: (2026)

Composing People Together: Iterative Pose-Image Generation for Multi-Person Interaction Scenes
di: Peng, Wenxuan, et al.
Pubblicazione: (2026)

What's in a Name? Beyond Class Indices for Image Recognition
di: Han, Kai, et al.
Pubblicazione: (2023)

C3Po: Cross-View Cross-Modality Correspondence by Pointmap Prediction
di: Huang, Kuan Wei, et al.
Pubblicazione: (2025)

KFC-W: Generating 3D-Consistent Videos from Unposed Internet Photos
di: Chou, Gene, et al.
Pubblicazione: (2024)

Think over Trajectories: Leveraging Video Generation to Reconstruct GPS Trajectories from Cellular Signaling
di: Zhang, Ruixing, et al.
Pubblicazione: (2026)

Sports Re-ID: Improving Re-Identification Of Players In Broadcast Videos Of Team Sports
di: Comandur, Bharath
Pubblicazione: (2022)

Learning 3D Perception from Others' Predictions
di: Yoo, Jinsu, et al.
Pubblicazione: (2024)

Color Bind: Exploring Color Perception in Text-to-Image Models
di: Shomer-Chai, Shay, et al.
Pubblicazione: (2025)

$Δ$ynamics: Language-Based Representation for Inferring Rigid-Body Dynamics From Videos
di: Kao, Chia-Hsiang, et al.
Pubblicazione: (2026)

FlashDepth: Real-time Streaming Video Depth Estimation at 2K Resolution
di: Chou, Gene, et al.
Pubblicazione: (2025)

Image Diffusion Preview with Consistency Solver
di: Wang, Fu-Yun, et al.
Pubblicazione: (2025)

MONITRS: Multimodal Observations of Natural Incidents Through Remote Sensing
di: Revankar, Shreelekha, et al.
Pubblicazione: (2025)

Scale-Aware Recognition in Satellite Images under Resource Constraints
di: Revankar, Shreelekha, et al.
Pubblicazione: (2024)

CityRAG: Stepping Into a City via Spatially-Grounded Video Generation
di: Chou, Gene, et al.
Pubblicazione: (2026)

Deep Understanding of Soccer Match Videos
di: Xu, Shikun, et al.
Pubblicazione: (2024)

PTM-VQA: Efficient Video Quality Assessment Leveraging Diverse PreTrained Models from the Wild
di: Yuan, Kun, et al.
Pubblicazione: (2024)

Crowded Video Individual Counting Informed by Social Grouping and Spatial-Temporal Displacement Priors
di: Lu, Hao, et al.
Pubblicazione: (2026)

Follow-Your-Creation: Empowering 4D Creation through Video Inpainting
di: Ma, Yue, et al.
Pubblicazione: (2025)

Text-to-Edit: Controllable End-to-End Video Ad Creation via Multimodal LLMs
di: Cheng, Dabing, et al.
Pubblicazione: (2025)

Rethinking Preference Alignment for Diffusion Models with Classifier-Free Guidance
di: Jiang, Zhou, et al.
Pubblicazione: (2026)

VACE: All-in-One Video Creation and Editing
di: Jiang, Zeyinzi, et al.
Pubblicazione: (2025)

Video Individual Counting With Implicit One-to-Many Matching
di: Zhu, Xuhui, et al.
Pubblicazione: (2025)

LaVieID: Local Autoregressive Diffusion Transformers for Identity-Preserving Video Creation
di: Song, Wenhui, et al.
Pubblicazione: (2025)

You Only Teach Once: Learn One-Shot Bimanual Robotic Manipulation from Video Demonstrations
di: Zhou, Huayi, et al.
Pubblicazione: (2025)

ObjectCarver: Semi-automatic segmentation, reconstruction and separation of 3D objects
di: Hassena, Gemmechu, et al.
Pubblicazione: (2024)

Streaming Autoregressive Video Generation via Diagonal Distillation
di: Liu, Jinxiu, et al.
Pubblicazione: (2026)

AllClear: A Comprehensive Dataset and Benchmark for Cloud Removal in Satellite Imagery
di: Zhou, Hangyu, et al.
Pubblicazione: (2024)

Vidi2.5: Large Multimodal Models for Video Understanding and Creation
di: Vidi Team, et al.
Pubblicazione: (2025)

Biomedical SAM 2: Segment Anything in Biomedical Images and Videos
di: Yan, Zhiling, et al.
Pubblicazione: (2024)

Preserve, Reveal, Expand: Faithful 4D Video Editing with Region-Aware Conditioning
di: Hu, Zhangchi, et al.
Pubblicazione: (2026)